使用DICOM元数据分类器自动选择腹部MRI系列,并选择性地使用基于像素的分类器

科学领域:

• 医疗成像医学成像
• 放射学 放射学是一门学科.
• 计算机科学 计算机科学

背景情况:

• 精确识别磁共振成像 (MRI) 系列对于显示协议,机器学习和放射学等临床应用至关重要.
• 使用序列描述或基于像素的分类器的现有方法存在局限性.
• 需要对腹部MRI系列进行自动分类,以提高工作流程效率和数据分析.

研究的目的:

• 开发和评估一种用于准确自动识别腹部MRI系列的综合方法.
• 为了比较单独基于DICOM元数据的分类器与联合元数据和基于像素的分类器的性能.
• 评估前对比和后对比MRI系列的综合方法的准确性.

主要方法:

• 开发了一种混合分类策略,将基于DICOM元数据的分类器与基于选择性像素的分类器集成在一起.
• 元数据分类器被独立评估 (组元数据).
• 组合方法 (组合组合) 用于从元数据分类器获得不到70%的确定性预测.

主要成果:

• 仅使用元数据分类器的整体准确率为0.870 (CI 0.824,0.912).
• 综合元数据和基于像素的分类器实现了0.930的更高的整体准确性 (CI 0.893,0.963).
• 综合方法证明了所有前对比MRI系列的准确分类 (≥95%) 和一些后对比系列的性能改善.

结论:

• 结合DICOM元数据和基于像素的分类方法,显著改善了自动腹部MRI系列识别.
• 这种混合方法为需要精确的MRI系列分类的应用提供了强大的解决方案,包括放射学和机器学习.
• 开发的方法提高了准确性,特别是对比前序列,并显示了改善对比后序列分类的希望.